NVIDIA推出Cosmos模型,利用神经重建和世界基础模型(WFM)为自动驾驶汽车创建高质量模拟环境,帮助开发者生成合成数据,提高安全性和训练效率。OpenUSD标准化促进了模拟资产的无缝集成,推动了自动驾驶汽车的发展。
运输行业领袖采用Cosmos平台,推动自动驾驶汽车开发。该平台结合NVIDIA系统,利用生成性AI加速数据处理和模型开发,提升性能与安全性。Waabi和Uber等公司正在优化AV软件开发和测试。
在华盛顿特区的NVIDIA AI峰会上,专家们探讨了自动驾驶汽车的安全技术和监管需求。NVIDIA的丹尼·夏皮罗指出人类错误是事故主因,并介绍了通过三台计算机系统改进AV软件。马可·帕沃内提到生成式AI等新技术促进仿真开发。MITRE与密歇根大学合作,利用NVIDIA Omniverse进行传感器仿真,确保AV在现实部署前的安全验证,目标是减少道路死亡和伤害。
自动驾驶汽车的发展前景正在改善,但经典的Jevons悖论理论指出,即使自动驾驶汽车在未来完美运行,由于人们使用它们的频率增加,总排放量和事故死亡率可能会增加。自动驾驶汽车的可靠性和效率可能会提高,但人们会更频繁地使用汽车,导致更多的交通拥堵和排放。此外,自动驾驶汽车可能会导致人们选择更远的车程,甚至搬迁到城市边缘,增加能源消耗和排放。
边缘AI平台的快速发展推动了数据处理和分析的变革,提供定制化的计算能力和硬件,支持实时数据处理和AI部署。边缘AI的应用包括机器人、自动驾驶汽车和智能城市基础设施等。边缘AI的重要性在于减少延迟、提高效率和实现更快的响应。
自动驾驶汽车的发展历程可以追溯到20世纪初,经历了无线电遥控汽车、计算机视觉技术辅助感知和决策等多个阶段。国外自动驾驶汽车的发展历程包括达芬奇的自动驾驶车、无线电控制的汽车和雷达辅助系统的引入。国内自动驾驶汽车的发展历程从20世纪90年代开始,近十年来快速崛起。中国的无人驾驶技术研发从“遥控驾驶的防核化侦察车”项目开始,到无人车在复杂环境下实现自主驾驶的新纪录。未来,自动驾驶汽车将在交通运输、物流、城市规划等领域发挥更重要的作用。
本文讨论了将演示转化为产品的困难性,并以自动驾驶汽车为例。作者指出,自动驾驶汽车从原型到商业产品需要数十年的努力。过去一年,语言大模型应用经历了起起伏伏,从演示阶段向产品化转型。作者希望通过分享实操技巧和策略经验,为读者在这个新领域中的探索提供指导。
通用汽车将向Cruise投资8.5亿美元,以帮助支付公司的运营成本。这笔资金将用于恢复自动驾驶汽车的测试。Cruise去年发生事故后停用车辆并进行了全面的安全审查。通用汽车正在寻找新的外部投资者来增强其财务状况。
美国国家公路交通安全管理局(NHTSA)对自动驾驶汽车公司和高级驾驶辅助系统供应商进行了安全调查。NHTSA要求提供更多事故数据以评估安全性。智能手机摄像头记录的视频显示车辆行为的不可预测性。NHTSA重新调查特斯拉的Autopilot系统,质疑其安全性。
两位民主党参议员呼吁加强对自动驾驶汽车和特斯拉的监管,认为高度自动化车辆的不受限制流动可能加剧美国的交通安全危机。他们敦促NHTSA利用召回权力禁止某些驾驶辅助功能在某些道路上使用,并建议NHTSA重新考虑允许更多没有传统控制装置的车辆上市。
自动驾驶汽车行业的主要游说团体AVIA发布了名为“TRUST Principles”的行动计划,旨在改善公众对自动驾驶汽车的负面印象。该计划呼吁加强与公众的互动,提供更多的社区参与和公众教育,并创建工作组来解决主要关切。特斯拉的全自动驾驶系统也在持续部署,但人们往往将特斯拉的事故归咎于所有自动驾驶汽车。
自动驾驶汽车、电动汽车和共享出行方式将改变出行方式。汽车保险行业将如何适应这一浪潮?根据麦肯锡未来出行中心的研究,到2030年,大约一半的新车将是电动车,几乎所有新车都将是智能连接的,其中约六分之一将具备3级以上的自动驾驶能力。个人出行里程的三分之一可能来自微型和共享出行解决方案。汽车保险市场也正在发生重大变化,传统汽车保险的保费可能会达到顶峰并随后下降。新的汽车保险模式正在崛起,需要投资能力、合作伙伴和市场领导者的专业知识。
人类只有一个工程项目,就是建造比人类更好的工程师。推特上传播的视频展示了关于象棋引擎中的主教人和自动驾驶汽车中的锥体人的工程想法,看起来越来越荒谬。人类的DNA中没有交通锥的参考,所以代码库中不应该有关于交通锥的参考。通用方法的巨大威力是从苦涩的教训中学到的,搜索和学习是两种任意扩展的方法。进化是一个搜索和优化过程,为什么不进化一个驾驶代理?种子AI的概念非常吸引人,构建一个最小可行的自我改进AI,并允许它自我启动,达到超越人类的水平。目标是构建一个超人类的东西,与自动驾驶汽车不同,如果构建火车驾驶代理,需要考虑更多因素。
汽车制造商加倍投入部分自动化系统,但消费者安全组织IIHS表示几乎没有证据支持这些系统的安全性。IIHS测试了14个系统,只有1个通过。部分自动化系统导致驾驶员过度依赖,反应时间较慢。雷克萨斯的Teammate with Advanced Drive被评为可接受,其他系统评级较低。
本文介绍了PIP-Net框架,用于预测自动驾驶汽车在现实城市场景中行人过马路意图。该模型利用运动数据和驾驶场景的空间特征,采用基于循环和时间注意力的解决方案,优于当前最先进的模型。该模型能够提前4秒准确预测行人过马路意图,是行人意图预测研究的突破。
自动驾驶汽车的发展进展落后于预期,技术遇到困难,无法解决边缘案例,导致车辆出现错误。公众对自动驾驶汽车持怀疑态度,不愿将控制权交给机器人。
2023年是自动驾驶汽车行业的转折点,领先参与者成功运营和扩大商业,其他人遭遇挫折退出市场。自动驾驶汽车的发展时间表延长,软件开发需要大量投资,但预计软件将成为利润最高的技术堆栈元素之一。新的商业模式如按使用次数付费和订阅模式将尝试。行业合作和战略伙伴关系至关重要。
近年来,自动驾驶汽车研究集中在级别4和5,对感知、决策和控制技术的发展兴趣增加。研究发现,在恶劣天气条件下,传感器难以准确检测物体。因此,研究者通过CARLA模拟器构建了一个新的数据集,用于测试不同降水条件下的网络模型。最终,使用YOLO系列检测器对不同降水条件下的物体检测性能进行了验证。
电动汽车普及带来充电设施和电网网络安全问题,汽车生态系统中所有参与者需分担责任,保险公司和远程通信供应商需合作确保安全。未来自动驾驶汽车市场增长快,但新技术带来潜在漏洞,需注意安全。
本文探讨了自动驾驶汽车的组成、操作特性和应用,提出了解决方案,包括交通预测、自动化任务、网络安全和风险管理等方面。
完成下面两步后,将自动完成登录并继续当前操作。